Full text · 原文
2,357 字
henry 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
报！龙虾更新了！<br>
刚刚，新的OpenClaw测试版（2026.3.7）已经推出，并光速上线OA两家最新模型GPT-5.4和Gemini Flash 3.1。<br>
与此同时，一并更新的还有：<br>
ACP绑定在重启后依然可保留<br>
精简版Docker多阶段构建<br>
用于网关认证的SecretRef<br>
可插拔的上下文引擎<br>
支持HEIF图像格式<br>
修复Zalo渠道问题<br>
其中，可插拔的上下文引擎（pluggable context engine）可谓是这次更新的重点，不少网友纷纷表示：<br>
相比于跑那个模型，上下文才是关键。<br>
细心的你甚至还发现了，在官方的changelog上直接点名了一个插件例子lossless-claw。<br>
那么，这个上下文插件是怎么一回事？有啥用？<br>
上下文管理插件化<br>
总体来看，这次OpenClaw更新可以归纳为三个方面：上下文管理插件化、Agent路由能力升级（频道、topic、独立 session）以及部署与插件工程化（Docker multi-stage、SecretRef、安全策略）。<br>
其中，最值得关注的，就是上下文管理插件化。<br>
根据官方的changelog，这次更新新增了ContextEngine插件插槽。<br>
该接口提供了完整的生命周期钩子，包括：bootstrap、ingest、assemble、compact、afterTurn、prepareSubagentSpawn、onSubagentEnded。<br>
这意味着插件可以在上下文生成、压缩、拼接以及子Agent生命周期管理的各个阶段介入，从而实现完全不同的上下文策略。<br>
用PR作者Josh Lehman的一句话总结：<br>
你其实不需要一个Agent记忆系统，你需要的是不会被重置的上下文。<br>
过去在OpenClaw中，上下文管理逻辑是写死的。<br>
例如对话过长时如何压缩历史、如何拼接上下文、何时丢弃旧信息，这些都由系统内部固定实现，插件几乎无法介入。<br>
而这次更新之后，情况发生了改变。<br>
简单来说，上下文插件化意味着：<br>
不同插件可以实现不同的上下文管理策略<br>
系统核心不再写死上下文压缩逻辑<br>
插件可以控制上下文压缩、上下文组装，以及子Agent的生命周期<br>
翻译成最直观的体验就是：当你和“龙虾”进行长时间、多轮对话时，它的“记性”会明显变好。<br>
以往龙虾对话常见的情况是：<br>
对话变长后，系统开始压缩上下文，比如不按要求写，只列bullet point<br>
Agent逐渐忘记之前的计划<br>
甚至忘记自己修改过哪些文件<br>
任务运行到后期，模型突然变得“变笨”<br>
而新的上下文插件机制，正是为了解决这些问题。<br>
随着定制化上下文策略的开放，未来针对不同场景的记忆方案也将不断出现，让“龙虾”在执行不同任务时变得更加高效，也更加经济。<br>
lossless-claw：一种“不会丢失上下文”的方案<br>
举例来说，官方重点推荐的插件lossless-claw，就展示了一种新的上下文管理思路。<br>
在传统Agent系统中，一旦对话过长，系统通常会：直接丢弃旧内容。<br>
而在lossless-claw中，旧对话不会被删除，而是：<br>
持久化到SQLite数据库，按对话组织<br>
对旧消息块生成摘要，使用配置的LLM<br>
将摘要压缩为更高层级节点，形成DAG（有向无环图）<br>
每轮对话时，将摘要 + 最近原始消息组合成上下文<br>
提供工具（lcm_grep、lcm_describe、lcm_expand）让Agent可搜索、回溯历史<br>
也就是说，在多轮对话中，原始消息会被完整保留，系统根据摘要与原始消息保持关联，而Agent随时可以展开摘要查看原文。<br>
理论上，上下文“永远不会丢失”。<br>
（By the way，据作者透露，这一思路来自《LCM: Lossless Context Management》，感兴趣的同学可以进一步阅读。）<br>
在OOLONG benchmark的测试中，使用同一模型时，lossless-claw得分74.8，打败Claude Code70.3。<br>
更关键的是，上下文越长，差距越大。在测试的所有上下文长度下，lossless-claw的得分都高于Claude Code。<br>
PR作者Josh Lehman表示，他已经在OpenClaw上实际运行了一周：<br>
说它表现很好，都算是低估了。<br>
其他更新<br>
除上下文插件以外，这次龙虾的更新还有两大重点：<br>
首先是强化了Agent的路由系统。<br>
针对Discord、Telegram、Slack、Mattermost等平台，OpenClaw引入了持久化线程绑定机制，即使系统重启，Agent与频道或话题的绑定关系依然能够保持。<br>
同时还支持按主题路由 Agent：例如在Telegram中，每个topic都可以运行一个独立的Agent，因此在同一个论坛群里，也可以同时存在多个各自执行不同任务的Agent。<br>
其次是在部署与工程化层面的优化。<br>
例如官方已经开始为iOS App Store发布做准备，移动端版本也正在筹备中。<br>
与此同时，Docker构建也进行了精简，新增bookworm-slim版本，通过Slim镜像减少不必要的依赖，使容器体积更小、启动速度更快，也更适合在服务器环境中大规模部署。<br>
参考链接<br>
[1]https://github.com/openclaw/openclaw/releases/tag/v2026.3.7<br>
[2]https://x.com/steipete/status/2030508141419372667<br>
[3]https://x.com/jlehman_<br>
[4]https://github.com/Martian-Engineering/lossless-claw